1
00:00:01,407 --> 00:00:03,366
Em 2003,

2
00:00:03,386 --> 00:00:06,141
quando sequenciámos o genoma humano,

3
00:00:06,171 --> 00:00:10,358
pensámos que teríamos a resposta
para tratar muitas doenças.

4
00:00:10,974 --> 00:00:14,101
Mas a realidade está muito longe disso,

5
00:00:14,552 --> 00:00:16,893
porque, para além dos nossos genes,

6
00:00:16,927 --> 00:00:21,237
o nosso ambiente e estilo de vida
podem ter um papel significativo

7
00:00:21,321 --> 00:00:24,099
no desenvolvimento de muitas doenças.

8
00:00:24,127 --> 00:00:27,617
Um exemplo é a doença hepática gordurosa,

9
00:00:27,667 --> 00:00:31,730
que afeta mais de 20%
da população, a nível mundial,

10
00:00:31,764 --> 00:00:34,728
não tem tratamento
e pode resultar em cancro do fígado

11
00:00:34,732 --> 00:00:36,995
ou insuficiência hepática.

12
00:00:37,567 --> 00:00:42,261
Apenas sequenciar o ADN
não nos dá informação suficiente

13
00:00:42,285 --> 00:00:44,677
para encontrar tratamentos eficazes.

14
00:00:44,761 --> 00:00:48,297
Pelo lado positivo, o nosso corpo
possui muitas outras moléculas.

15
00:00:48,461 --> 00:00:52,301
Na verdade, 
há mais de 100 mil metabólitos.

16
00:00:52,385 --> 00:00:56,621
Os metabólitos são moléculas
extremamente pequenas,

17
00:00:57,193 --> 00:01:02,084
como a glucose, a frutose,
os lipídios, o colesterol...

18
00:01:02,189 --> 00:01:04,188
coisas de que ouvimos falar a toda a hora.

19
00:01:04,273 --> 00:01:07,626
Os metabólitos estão envolvidos
no nosso metabolismo.

20
00:01:08,066 --> 00:01:12,146
Também estão por todo o ADN,

21
00:01:12,146 --> 00:01:14,084
por isso possuem informações

22
00:01:14,084 --> 00:01:17,274
dos nossos genes
e do nosso estilo de vida.

23
00:01:17,514 --> 00:01:20,206
Entender os metabólitos é essencial

24
00:01:20,217 --> 00:01:23,127
para encontrar tratamento
para muitas doenças.

25
00:01:23,177 --> 00:01:25,659
Eu sempre quis tratar pacientes.

26
00:01:25,934 --> 00:01:29,922
Mas, há 15 anos,
abandonei a faculdade de medicina,

27
00:01:29,956 --> 00:01:32,451
porque reprovei a matemática.

28
00:01:33,019 --> 00:01:36,353
Pouco tempo depois,
descobri uma coisa impressionante:

29
00:01:36,762 --> 00:01:40,147
eu podia usar matemática
para estudar medicina.

30
00:01:41,176 --> 00:01:46,376
Desde então tenho criado algoritmos
para analisar dados biológicos.

31
00:01:47,152 --> 00:01:49,135
Parecia fácil,

32
00:01:49,399 --> 00:01:53,000
vamos reunir dados de todos 
os metabólitos do nosso corpo,

33
00:01:53,024 --> 00:01:58,172
criar modelos matemáticos para mostrar
como as doenças os alteram

34
00:01:58,206 --> 00:02:01,737
e intervir nessas alterações
para as tratar.

35
00:02:02,488 --> 00:02:06,237
Então percebi porque é
que ninguém tinha feito isso antes.

36
00:02:07,230 --> 00:02:08,917
É muito difícil.

37
00:02:08,941 --> 00:02:10,198
(Risos)

38
00:02:10,252 --> 00:02:12,747
Há muitos metabólitos no nosso corpo.

39
00:02:12,783 --> 00:02:15,283
Todos diferentes uns dos outros.

40
00:02:15,307 --> 00:02:19,035
Para alguns metabólitos,
podemos medir a sua massa molecular

41
00:02:19,059 --> 00:02:21,872
utilizando instrumentos
de espetrometria de massa.

42
00:02:21,896 --> 00:02:26,069
Mas como pode haver 10 moléculas
exatamente com a mesma massa,

43
00:02:26,093 --> 00:02:28,120
não sabemos exatamente quais são,

44
00:02:28,124 --> 00:02:30,888
e se quisermos identificar todas,

45
00:02:30,912 --> 00:02:33,916
temos de fazer experiências
que podem durar décadas

46
00:02:33,950 --> 00:02:36,254
e custar milhares de milhões de dólares.

47
00:02:36,297 --> 00:02:41,530
Então desenvolvemos uma plataforma
de inteligência artificial, para isso.

48
00:02:41,924 --> 00:02:44,898
Aproveitámos o crescimento 
dos dados biológicos

49
00:02:44,922 --> 00:02:49,220
e criámos uma base de dados com
todas as informações dos metabólitos

50
00:02:49,240 --> 00:02:52,428
e as suas interações com outras moléculas.

51
00:02:52,452 --> 00:02:55,686
Reunimos todos esses dados
numa megarede.

52
00:02:55,710 --> 00:02:59,106
Depois, a partir de tecidos
ou do sangue dos pacientes,

53
00:02:59,130 --> 00:03:01,881
medimos a massa dos metabólitos

54
00:03:01,905 --> 00:03:05,364
e descobrimos as massas
que são alteradas na doença.

55
00:03:05,408 --> 00:03:08,578
Mas como disse antes,
não sabemos exatamente quais são.

56
00:03:08,632 --> 00:03:13,537
Uma massa molecular de 180 pode ser
glucose, galactose ou frutose.

57
00:03:13,561 --> 00:03:15,820
Todas elas têm a mesma massa.

58
00:03:15,834 --> 00:03:17,971
mas diferentes funções
no nosso organismo.

59
00:03:17,985 --> 00:03:21,302
O nosso algoritmo de IA
considerou todas essas ambiguidades.

60
00:03:21,386 --> 00:03:24,062
Depois procurou padrões nessa megarede

61
00:03:24,086 --> 00:03:28,439
para descobrir como essas massas
metabólicas se ligam umas às outras

62
00:03:28,463 --> 00:03:30,421
para causarem doenças.

63
00:03:30,495 --> 00:03:32,833
Ao saber como estão ligadas,

64
00:03:32,847 --> 00:03:37,030
podemos deduzir qual
é a massa do metabólito

65
00:03:37,144 --> 00:03:40,128
— como esse 180 aqui
poderá ser glucose —

66
00:03:40,182 --> 00:03:42,633
e mais importante, descobrir

67
00:03:42,657 --> 00:03:45,844
como as alterações na glucose
e noutros metabólitos

68
00:03:45,968 --> 00:03:47,743
conduzem a uma doença.

69
00:03:47,777 --> 00:03:50,748
Esta nova compreensão
dos mecanismos das doenças

70
00:03:50,748 --> 00:03:55,237
vai-nos permitir explorar
terapias eficazes para as tratar.

71
00:03:55,601 --> 00:03:59,506
Então formámos uma "startup"
para levar esta tecnologia para o mercado

72
00:03:59,560 --> 00:04:01,685
e causar impacto na vida das pessoas.

73
00:04:01,722 --> 00:04:05,267
Eu e a minha equipa na ReviveMed
estamos a trabalhar para descobrir

74
00:04:05,291 --> 00:04:10,121
terapias para as principais doenças
da responsabilidade de metabólitos,

75
00:04:10,420 --> 00:04:12,477
como a doença hepática gordurosa,

76
00:04:12,521 --> 00:04:15,379
pois é causada pela acumulação de gorduras

77
00:04:15,409 --> 00:04:18,012
que são tipos de metabólitos no fígado.

78
00:04:18,075 --> 00:04:21,726
Como já disse, é uma grande
epidemia sem tratamento.

79
00:04:21,870 --> 00:04:24,614
A doença hepática gordurosa
é apenas um exemplo.

80
00:04:24,678 --> 00:04:28,676
No futuro, iremos combater
centenas de outras doenças

81
00:04:28,700 --> 00:04:30,393
sem tratamento.

82
00:04:30,457 --> 00:04:34,771
Ao reunir cada vez mais dados
sobre metabólitos

83
00:04:34,795 --> 00:04:38,339
e compreender como as alterações
nos metabólitos

84
00:04:38,363 --> 00:04:40,765
causam as doenças,

85
00:04:40,789 --> 00:04:44,328
os nossos algoritmos ficam
cada vez mais inteligentes

86
00:04:44,392 --> 00:04:48,408
para descobrir as terapias certas
para os pacientes certos.

87
00:04:48,522 --> 00:04:52,292
E vamos conseguir aproximar-nos
da nossa visão

88
00:04:52,316 --> 00:04:56,089
de salvar vidas com cada
linha de código.

89
00:04:56,203 --> 00:04:57,524
Obrigada.

90
00:04:57,548 --> 00:05:01,375
(Aplausos)